[发明专利]针对于电子商务平台的图片宣传的风控系统及其方法有效
申请号: | 202310586601.4 | 申请日: | 2023-05-24 |
公开(公告)号: | CN116342964B | 公开(公告)日: | 2023-08-01 |
发明(设计)人: | 王玉海 | 申请(专利权)人: | 杭州有朋网络技术有限公司 |
主分类号: | G06V10/764 | 分类号: | G06V10/764;G06V10/80;G06V10/82 |
代理公司: | 北京恒泰铭睿知识产权代理有限公司 11642 | 代理人: | 苏天功 |
地址: | 310000 浙江省杭州市西湖*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 针对 电子商务平台 图片 宣传 系统 及其 方法 | ||
1.一种针对于电子商务平台的图片宣传的风控系统,其特征在于,包括:
宣传图片采集模块,用于获取宣传图片;
图片预处理模块,用于对所述宣传图片进行图像预处理以得到预处理后宣传图片;
图像分块模块,用于对所述预处理后宣传图片进行图像分块处理以得到图像块的序列;
图像语义关联模块,用于将所述图像块的序列通过包含嵌入层的ViT模型以得到多个上下文图像块语义理解特征向量;
空间特征增强模块,用于将所述多个上下文图像块语义理解特征向量排列为二维特征矩阵后通过空间注意力模块以得到分类特征矩阵;
特征优化模块,用于对所述分类特征矩阵进行特征分布优化以得到优化分类特征矩阵;以及
风险预警模块,用于将所述优化分类特征矩阵通过分类器以得到分类结果,所述分类结果用于表示宣传图片的风险等级是否超过预定阈值;
其中,所述特征优化模块,包括:
优化因数计算单元,用于计算所述分类特征矩阵中各个位置特征值的位置信息图式注意力响应因数以得到多个位置信息图式注意力响应因数;以及
加权优化单元,用于以所述多个位置信息图式注意力响应因数作为加权系数对所述分类特征矩阵的各个位置特征值进行加权优化以得到所述优化分类特征矩阵;
其中,所述优化因数计算单元,用于:以如下优化公式计算所述分类特征矩阵中各个位置特征值的位置信息图式注意力响应因数以得到所述多个位置信息图式注意力响应因数;
其中,所述优化公式为:
,
其中,是所述分类特征矩阵中各个位置特征值,为所述分类特征矩阵的各个位置特征值的坐标,且是所述分类特征矩阵的所有特征值的全局均值,和代表将二维实数映射为一维实数的函数,和分别是所述分类特征矩阵的宽度和高度,表示以2为底的对数函数值,表示所述多个位置信息图式注意力响应因数中的各个位置信息图式注意力响应因数。
2.根据权利要求1所述的针对于电子商务平台的图片宣传的风控系统,其特征在于,所述图像语义关联模块,包括:
图像块嵌入单元,用于将所述图像块的序列输入所述包含嵌入层的ViT模型的图像块嵌入层以得到图像块嵌入向量的序列;
上下文语义编码单元,用于将所述图像块嵌入向量的序列通过所述包含嵌入层的ViT模型的ViT模块以得到多个图像块上下文语义关联特征向量;以及
级联单元,用于将所述多个图像块上下文语义关联特征向量进行级联以得到所述多个上下文图像块语义理解特征向量。
3.根据权利要求2所述的针对于电子商务平台的图片宣传的风控系统,其特征在于,所述上下文语义编码单元,包括:
查询向量构造子单元,用于将所述图像块嵌入向量的序列进行一维排列以得到全局图像块特征向量;
自注意子单元,用于计算所述全局图像块特征向量与所述图像块嵌入向量的序列中各个图像块嵌入向量的转置向量之间的乘积以得到多个自注意力关联矩阵;
标准化子单元,用于分别对所述多个自注意力关联矩阵中各个自注意力关联矩阵进行标准化处理以得到多个标准化后自注意力关联矩阵;
关注度计算子单元,用于将所述多个标准化后自注意力关联矩阵中各个标准化后自注意力关联矩阵通过Softmax分类函数以得到多个概率值;
注意力施加子单元,用于分别以所述多个概率值中各个概率值作为权重对所述图像块嵌入向量的序列中各个图像块嵌入向量进行加权以得到所述多个上下文语义图像块特征向量;以及
级联子单元,用于将所述多个上下文语义图像块特征向量进行级联以得到所述多个图像块上下文语义关联特征向量。
4.根据权利要求3所述的针对于电子商务平台的图片宣传的风控系统,其特征在于,所述空间特征增强模块,用于:
将所述二维特征矩阵通过所述空间注意力模块以得到权重得分矩阵;
将所述权重得分矩阵输入Softmax激活函数以得到空间注意力权重特征矩阵;以及
计算所述空间注意力权重特征矩阵和所述二维特征矩阵之间的按位置点乘以得到所述分类特征矩阵。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于杭州有朋网络技术有限公司,未经杭州有朋网络技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202310586601.4/1.html,转载请声明来源钻瓜专利网。